MétaCan
Menu
Back to cohort
Record W2624149846 · doi:10.4000/vertigo.18442

Quantifier les usages de l’eau : une clarification terminologique et conceptuelle pour lever les confusions

2017· article· fr· W2624149846 on OpenAlexvenueno aff
Martin Calianno, Emmanuel Reynard, Marianne Milano, Arnaud Buchs

Bibliographic record

VenueVertigO · 2017
Typearticle
Languagefr
FieldEngineering
TopicWater resources management and optimization
Canadian institutionsnot available
FundersAgence Nationale de la Recherche
KeywordsHumanitiesPhilosophyPolitical science

Abstract

fetched live from OpenAlex

Cet article met en évidence les confusions existantes relatives aux termes employés dans les travaux sur les usages de l’eau : besoins, demandes, apports, consommation, prélèvements. Nous proposons un cadre terminologique adapté aux enjeux de la quantification de ces termes, nécessaire au suivi de la gestion intégrée des ressources en eau (GIRE). Une revue de la littérature permet d’abord d’identifier les termes synonymes de l’usage de l’eau et leurs diverses interprétations. Ensuite, une proposition de terminologie est élaborée autour du concept du cycle d’usage de l’eau, dont la schématisation permet d’illustrer les particularités de chaque terme. Les résultats montrent que les confusions apparaissent principalement au niveau de l’usage même de l’eau, pour lequel les termes associés (besoin, demande, apport et consommation) sont souvent mobilisés de manière imprécise, voire indifférenciée. Les nuances permettant de distinguer ces notions sont décrites via un schéma général de cycle d’usage de l’eau, dont la demande est le moteur principal. Les particularités propres à certains usages sont ensuite schématisées : approvisionnement en eau potable (AEP), irrigation et usages environnementaux. Cette réflexion a été menée conjointement par un géologue, un géographe, une hydrologue et un économiste, ce qui permet d’entretenir le débat sur la terminologie des usages de l’eau et de proposer un essai de synthèse, tel un préalable nécessaire à toute recherche interdisciplinaire sur les « usages de l’eau ».

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.500
Threshold uncertainty score0.970

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.057
GPT teacher head0.284
Teacher spread0.227 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations10
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicWater resources management and optimizationFrench-language works237,207